Análise espacial e espaço-temporal da Covid-19 no estado da Paraíba
DOI:
https://doi.org/10.26512/2236-56562023e41886Palavras-chave:
Palavras-chave: Infecções por coronavírus, Análise espacial, Análise espaço-temporal.Resumo
Resumo: Este estudo tem como objetivo detectar a distribuição espacial e espaço-temporal dos casos novos semanais da COVID-19 no estado da Paraíba. Metodologia: Estudo epidemiológico, retrospectivo de abordagem quantitativa, cujos dados utilizados para análise são referentes ao número de casos novos confirmados semanais de COVID-19 notificados no estado da Paraíba, Brasil, e que correspondem ao período da 12ª semana epidemiológica de 2020 a 32ª semanas epidemiológicas de 2021. Foram estimadas as Razões de Incidências Espacial e aplicada a estatística Scan circular e Scan espaço-temporal para a detecção dos aglomerados. Resultados: A análise espacial foi dividia em quatro momentos, o primeiro foi evidenciado pela 12ª semana epidemiológica de 2020, os casos de COVID-19 estiveram presentes em quatro municípios: João Pessoa, Pitimbu, Igaracy e Sousa. O segundo foi compreendido pelo primeiro pico da pandemia da COVID-19, na 28ª semana epidemiológica de 2020, marcado pela presença de aglomerado espacial em todas as regiões do estado, com destaque na região Nordeste. O terceiro foi determinado pela 35ª semana epidemiológica de 2020, apresentando uma disseminação dos casos para o interior do estado da Paraíba. O quarto foi caracterizado pela 22ª semana epidemiológica de 2021, identificando aglomerados disseminados em todas as regiões do estado da Paraíba. Na análise espaço-temporal foram observados cinco aglomerados, mais presentes na região norte, sul e central do estado. Conclusão: A detecção dos aglomerados espaciais e espaço-temporais podem auxiliar gestores públicos a reconhecer as áreas prioritárias para o monitoramento dos casos de COVID-19.
Palavras-chave: Infecções por coronavírus, Análise espacial, Análise espaço-temporal.
Downloads
Referências
REFERÊNCIAS BIBLIOGRÁFICAS
ARROYO LH, et al. Identificação de áreas de risco para a transmissão da tuberculose no município de São Carlos, São Paulo, 2008 a 2013.Epidemiol Serv Saúde. 2017;26(3):525-34. DOI: http://dx.doi.org/10.5123/s1679-49742017000300010
BRASIL. Ministério da Saúde. Secretaria de Vigilância em Saúde. Departamento de Análise em Saúde e Doenças não Transmissíveis. Guia de vigilância epidemiológica Emergência de saúde pública de Importância nacional pela Doença pelo coronavírus 2019 – covid-19/ Ministério da Saúde, Secretaria de Vigilância em Saúde. – Brasília: Ministério da Saúde, 2021. Disponível em: https://www.conasems.org.br/wp-content/uploads/2021/03/Guia-de-vigila%CC%82ncia-epidemiolo%CC%81gica-da-covid_19_15.03_2021.pdf.
______. Ministério da Saúde. Diretrizes para diagnóstico e tratamento da COVID-
Brasília, DF, 2020. Disponível em: https://portalarquivos.saude.gov.br/images/pdf/2020/May/08/Diretriz-Covid19-v4-07-
20h05m.pdf. Acesso em: 20 nov. 2021.
DENG T, et al. Spatial-temporal clusters and risk factors of hand, foot, and mouth disease at the district level in Guangdong Province, China. PloS one. 2013;8(2):e56943. DOI: https://doi.org/10.1371/journal.pone.0056943
FLOSS, M et al. A pandemia de COVID-19 em territórios rurais e remotos: perspectiva
de médicas e médicos de família e comunidade sobre a atenção primária à saúde.
Cadernos de Saúde Pública [online]. 2020, v. 36, n. 7. ISSN 1678-4464. Acesso em: 20 Janeiro 2022. Disponível em: https://doi.org/10.1590/0102-311X00108920
GOODCHILD, M. Geographical Data Modeling. Computers & Geosciences, v.8, n. 4,
p. 401-408, 1992. https://doi.org/10.1016/0098-3004(92)90069-4
HOLMES, D. C. S. C.; MORAES, R. M.; VIANNA, R. P. T. A Rule for Combination
of Spatial Clustering Methods. In: The Seventh International Conferences on Pervasive
Patterns and Applications, 2015, Nice, França. Anais. Proceedings of the Seventh International Conferences on Pervasive Patterns and Applications. 2015, p. 55-59. DOI: 10.1142/9789813273238_0091.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATISTICA - IBGE (2010) População residente, total, urbana total e urbana na sede municipal, em números absolutos e relativos, com indicação da área total e densidade demográfica, segundo as Unidades da Federação e os municípios – 2010. Brasília: IBGE. Disponível em: https://www.ibge.gov.br/
KULLDORFF, M.; NAGARWALLA, N. Spatial disease clusters: detection and inference. Statistics in Medicine, v.14, p. 799-810, 1995. Disponível em: https://pubmed.ncbi.nlm.nih.gov/7644860/
KULLDORFF, M. (1997). A spatial scan statistic. Communications in Statistics: Theory and Methods, 26(6):1481–1496. Disponível em: https://www.tandfonline.com/doi/abs/10.1080/03610929708831995
LI, R., et al. Substantial undocumented infection facilitates the rapid dissemination of novel coronavirus (SARS-CoV-2). Science, 2020. 368(6490), 489-493. Disponível em: https://pubmed.ncbi.nlm.nih.gov/32179701/
LIMA, LMM, et al. A new combination rule for Spatial Decision Support Systems for
epidemiology. Int J Health Geogr. 2019; 18:25. Disponível em: https://ijhealthgeographics.biomedcentral.com/articles/10.1186/s12
MORAES, R. M.; NOGUEIRA, J. A.; SOUSA, A. C. A. (2014) A New Architecture for a Spatio-Temporal Decision Support System for Epidemiological Purposes. In: 11th International FLINS Conference on Decision Making and Soft Computing. Anais... João Pessoa (Brasil): FLINS 2014, p. 17-23. Disponível em: https://www.worldscientific.com/doi/abs/10.1142/9789814619998_0006
ORGANIZAÇÃO MUNDIAL DE SAÚDE. WHO Coronavirus Disease (COVID19) Dashboard. Publicado em 2021. Acesso em 04 maio 2021. Disponível em: https://covid19.who.int/
OUSLANDER, JG. Coronavirus Disease19 in Geriatrics and Long-Term Care: An Update. J Am Geriatr Soc. 2020 May;68(5):918-921. doi: 10.1111/jgs.16464. Epub 2020 Apr 16. PMID: 32243567. Disponível em: https://pubmed.ncbi.nlm.nih.gov/32243567/
PARAÍBA (Estado). Secretaria de Saúde do Estado da Paraíba. Paraíba, PB, 2020c.
Disponível em: https://paraiba.pb.gov.br/diretas/saude. Acesso em: 25 dez 2021.
PEDROSA, N. L.; ALBUQUERQUE, N. L. S. Análise Espacial dos Casos de COVID-
e leitos de terapia intensiva no estado do Ceará, Brasil. Ciênc. saúde coletiva, Rio
de Janeiro, v. 25, p. 2461-8, 2020. Suppl. 1. https://doi.org/10.1590/1413-
1.10952020.
ROCHE LM, et al. Disparities in Female Breast Cancer Stage at Diagnosis in New Jersey: A Spatial-Temporal Analysis. J Public Health Manag Pract. 2017; 23(5):477-86. DOI: https://doi.org/10.1097/PHH.0000000000000524
SÁ, L.R, et al, "New Combining Rules for Spatial Clustering Methods Using Sigma-Count for Spatial Epidemiology," 2020 International Conference on Decision Aid Sciences and Application (DASA), 2020, pp. 794-800, DOI: 10.1109/DASA51403.2020.9317161. Disponível em: https://ieeexplore.ieee.org/document/9317161
SOUZA ALP. Geoprocessamento e Vigilância Epidemiológica no enfrentamento da
Covid-19 na Macrorregião Triangulo Sul, MG. Ra. e Rum. 4º de dezembro de 2020
[acesso 13º de maio de 2021];8(1):189-201. Disponível em:
http://www.seer.unirio.br/raizeserumos/article/view/10389
TANGO, T. Statistical Methods for Disease Clustering. Springer, 2010. Disponível em: https://link.springer.com/book/10.1007/978-1-4419-1572-6
YAMADA, I.; THILL, J-C. (2007) Local Indicators of Network-Constrained Clusters in Spatial Point Patterns. Geographical Analysis, v. 39, n.3, p. 268–292. Disponível em: https://www.tandfonline.com/doi/abs/10.1080/00045600903550337
ZHAO, W, YU, S, ZHA, X, et al. Clinical characteristics and durations of hospitalized patients with COVID-19 in Beijing: a retrospective cohort study. MedRxiv. 2020. Disponível em: https://www.medrxiv.org/content/10.1101/2020.03.13.20035436v2
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Revista Espaço e Geografia
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
